M2 Mathématiques, Vision, Apprentissage
Transcription
M2 Mathématiques, Vision, Apprentissage
ME 78 ‐ MATHEMATIQUES ET APPLICATIONS PR 494 ‐ M2 Mathématiques, Vision, Apprentissage Le règlement des études de l’Université Paris‐Saclay rappelle que les semestres ne sont pas compensables entre eux, que la note plancher est de 7/20. Dans cette formation, il n'y a aucune compensation entre les UE. Par défaut, les coefficients affectés à chacune des UE sont proportionnels aux ECTS correspondants. Nom du UE Semestres ECTS Heures Modalités de contrôle de connaissances Coefficients S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 21 27 30 35 21 27 24 22 30 21 27 30 25 22 22 S3 S3 S3 S3 5 18 Validation par projet ou examen Validation par projet Examen écrit ou oral 5 5 25 27 Validation par projet Validation par projet 5 5 Examen écrit ou oral Validation par projet Validation par projet Validation par projet Validation par projet Examen écrit ou oral Examen écrit ou oral Validation par projet Validation par projet ou examen Examen écrit ou oral Validation par projet Examen écrit ou oral Examen écrit ou oral Validation par projet Validation par projet Validation : projet et examen Examen Examen écrit ou oral 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 Examen écrit ou oral Validation par projet Validation par projet Examen écrit ou oral Validation par projet Validation par projet Validation par projet Validation par projet Examen écrit ou oral Examen écrit ou oral Validation par projet Validation par projet ou examen Examen écrit ou oral Validation par projet Examen écrit ou oral Examen écrit ou oral Validation par projet Validation par projet Validation par projet 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 S3 ‐ Semestre 3 : 30 ECTS au choix Introduction à l'imagerie numérique Méthodes d'optimisation et applications en traitement d'images Sparse Wavelet Representations and Classification Sub‐pixel Image Processing 3D Computer Vision The partial differential equations of image processing Deep Learning Parcimonie and Compressed Sensing Object Recognition and Computer Vision Introduction to Medical Image Analysis Probabilistic graphical models Méthodes mathématiques pour les neurosciences Reinforcement Learning Introduction à l'apprentissage statistique Graphs in Machine Learning Optimisation convexe et applications en apprentissage Audio Signal Processing ‐ Time‐Frequency Analysis Deformable Models and Geodesic Methods for Image Analysis Méthodes stochastiques pour l'analyse d'images Traitement d'images avancé et applications en imagerie satellitaire Analyse des signaux audiofréquences Parcimonie et analyse de données massives en astrophysique Nuages de points et modélisation 3D Statistical computing on manifolds and data assimilation : from medical images to anatomical and physiological models Statistique en grande dimension et apprentissage Modélisation en neurosciences et ailleurs Géométrie et espaces de formes Imagerie fonctionnelle cérébrale et interface cerveau machine Méthodes à noyaux pour l?apprentissage Discrete Optimization for Vision and Learning Théorie des matrices aléatoires et apprentissage Advanced Learning for Text and Graph Problèmes inverses et imagerie : approches statistiques et stochastiques Computational Statistics Prediction for individual sequences UE libre S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 30 27 14 24 25 21 18 20 26 24 21 21 24 18 24 30 25 25 TOTAUX ECTS S3 S3 30 161 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 18 25 27 30 27 14 24 25 21 18 20 26 24 21 21 24 18 21 27 Validation par projet Validation par projet Validation par projet Validation par projet ou examen Examen écrit ou oral Examen écrit ou oral Validation par projet Validation par projet Validation par projet Validation par projet Validation par projet Examen écrit ou oral Validation par projet 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 S4 ‐ Semestre 4 2 UE au choix Optimisation convexe et applications en apprentissage Audio Signal Processing ‐ Time‐Frequency Analysis Deformable Models and Geodesic Methods for Image Analysis Méthodes stochastiques pour l'analyse d'images Traitement d'images avancé et applications en imagerie satellitaire Analyse des signaux audiofréquences Parcimonie et analyse de données massives en astrophysique Nuages de points et modélisation 3D Statistical computing on manifolds and data assimilation : from medical images to anatomical and physiological models Statistique en grande dimension et apprentissage Modélisation en neurosciences et ailleurs Géométrie et espaces de formes Imagerie fonctionnelle cérébrale et interface cerveau machine Méthodes à noyaux pour l’apprentissage Discrete Optimization for Vision and Learning Théorie des matrices aléatoires et apprentissage Advanced Learning for Text and Graph Introduction à l'imagerie numérique Méthodes d'optimisation et applications en traitement d'images Sparse Wavelet Representations and Classification Sub‐pixel Image Processing 3D Computer Vision The partial differential equations of image processing Deep Learning Parcimonie and Compressed Sensing Object Recognition and Computer Vision Introduction to Medical Image Analysis Probabilistic graphical models Méthodes mathématiques pour les neurosciences Reinforcement Learning Introduction à l'apprentissage statistique Graphs in Machine Learning Problèmes inverses et imagerie : approches statistiques et stochastiques Computational Statistics Prediction for individual sequences UE libre 30 35 21 27 24 22 30 21 27 18 25 22 22 24 30 25 25 Validation par projet Validation par projet ou examen Examen écrit ou oral Examen écrit ou oral Validation par projet Validation par projet Validation par projet Validation par projet Validation par projet Validation par projet ou examen Validation par projet Validation par projet ou examen Validation par projet Validation par projet Validation : projet et examen Examen Examen écrit ou oral 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 20 0 Soutenance orale et rapport écrit 20 30 43 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S4 S3 S3 S3 S4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 Stage S4 TOTAUX ECTS S4 S4